人机交互提升翻译效率：融合统计机器翻译技术与术语识别新方法

"人机交互式机器翻译方法研究与实现" 这篇博士学位论文主要探讨了人机交互式机器翻译的理论与实践，旨在通过结合统计机器翻译（SMT）技术和计算机辅助翻译（CAT）来提高人工翻译的效率和质量。研究者认识到，尽管机器翻译在某些场景下已取得显著进步，但在专业翻译领域，翻译记忆工具仍然占据主导地位，特别是在高匹配度的文本翻译中。然而，计算机辅助翻译的效率提升空间有限，因此研究人机交互式翻译方法成为了一个关键的课题。 论文的主要贡献和创新点包括： 1. 融合统计机器翻译技术的中文输入方法：传统的机器翻译系统仅提供自动译文，当质量不达标时，可能会导致有价值的中间结果被忽视。为解决这一问题，研究者提出了一种新的中文输入方法，它集成SMT技术，利用翻译规则、假设列表和候选结果等信息，使用户能更快速、准确地生成译文。此外，他们还设计了面向输入方法的自动评价指标，以优化统计翻译系统生成的译文，从而减轻译者的修正工作，提高翻译效率和质量。 2. 基于术语识别边界信息的术语识别和翻译方法：在专业翻译中，术语的准确翻译至关重要，但现有的机器翻译系统通常未专门处理术语翻译。论文提出的新方法利用术语识别的边界信息来建立一个解码机制，结合从平行句对和互联网单语语料中挖掘的术语翻译知识，以提高专业领域术语的翻译准确度。这种方法弥补了当前术语识别技术的不足，提升了术语翻译的性能。 通过这两项创新，论文不仅改进了机器翻译的性能，还增强了人机交互的体验，对机器翻译技术在专业领域的应用起到了推动作用。这些研究成果对于提高翻译效率、降低译者工作负担以及提升最终译文质量具有重要的理论和实际意义。